Kapitel 1: Gegenstand und Grundbegriffe der Statistik
|
|
- Louisa Böhler
- vor 8 Jahren
- Abrufe
Transkript
1 Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik Einheiten, Masse, Merkmal Messen, Skalen... 9 a) Messung... 9 b) Skalenarten Gegenstand der Statistik Statistik ist die Lehre von Methoden zur Gewinnung, Charakterisierung und Beurteilung von zahlenmäßigen Informationen über die Wirklichkeit (Empirie). Zu den Bestandteilen dieser Definition sei folgendes bemerkt: Information ist hier im sehr weiten Sinne gemeint. Alle Sachverhalte, die zähl- oder meßbar und systematisch zu beobachten sind, können Gegenstand der Statistik sein. Dabei ist zu berücksichtigen, dass "messbar" im Alltagssprachgebrauch meist enger definiert wird, als in der Statistik (vgl. Abschn. 3). Unter Gewinnung von Information wird neben der eigentlichen Datenerhebung auch die Operationalisierung und Systematisierung von Konzepten verstanden, was v.a. ein Problem der Wirtschaftsstatistik 1 ist, sowie die Planung der Datenerhebung (design of experiments, design of surveys). Gegenstand der Statistik ist somit nicht nur die Auswertung bereits vorliegender Daten. Unter Charakterisierung soll hier zunächst die graphische und tabellarische Darstellung von Daten sowie die Berechnung von zusammenfassenden, den empirischen Sachverhalt beschreibenden Kennzahlen, verstanden werden. Dies ist primär Gegenstand der Deskriptiven Statistik. Die Möglichkeiten der statistischen Auswertung gehen aber über das weit hinaus, was üblicherweise im Rahmen der Deskriptiven Statistik an Methoden bereitgestellt wird (z.b. Multivariate Analyse). Beurteilung kann z.b. erfolgen durch Schlüsse auf der Basis unvollständiger Informationen (z.b. Schlüsse von der Stichprobe auf die ihr zugrundeliegende Grundgesamtheit), bzw. allgemeiner auf der Basis 1 Vgl. hierzu: v.d. Lippe, Peter, Wirtschaftsstatistik, in dieser Reihe (UTB Bd. 209).
2 2 Kapitel 1: Gegenstand und Grundbegriffe unsicherer Informationen unter Anwendung der Wahrscheinlichkeitsrechnung. Das ist Gegenstand der Induktiven Statistik. Mithin ergibt sich die traditionelle Aufteilung der "Statistik", wie sie in Übersicht 1.1 dargestellt ist. Übersicht 1.1 Aufbau des Faches Statistik Statistik Statistische Methoden Wirtschaftsstatistik oder allgemeiner: angewandte Statistik deskriptive Statistik induktive Statistik Leider wird in vielen Lehrbüchern und ganzen Studiengängen der Inhalt des Faches Statistik fast ausschließlich auf die Induktive Statistik eingeengt. Statistik kann für empirische Untersuchungen nützlich sein bei: a) der Berechnung zusammenfassender Kennzahlen im Rahmen der Deskriptiven Statistik, b) Fragen der Verallgemeinerungsfähigkeit statistischer Aussagen (Induktive Statistik) und bei c) der Beurteilung der Aussagefähigkeit statistischer Daten und Ergebnisse aufgrund der ihnen zugrundeliegenden Erhebungen und Konzepte (Wirtschaftsstatistik). Die Statistik dient damit drei Zwecken, nämlich deskriptiven (Beschreibung, Bestandsaufnahme), analytischen (Verallgemeinerung, Erklärung) und operativen (Entscheidung) Zwecken. Sie kann auf allen drei Stufen der empirischen Arbeit eingesetzt werden, nämlich bei der: Formulierung von Hypothesen, Modellbildung, concept formation Planung und Durchführung von Erhebungen und Versuchen und bei der Überprüfung von Hypothesen.
3 Kapitel 1: Gegenstand und Grundbegriffe 3 Die Methoden der Statistik sind allgemein anwendbar, d.h. sie sind nicht beschränkt auf bestimmte inhaltliche Fragestellungen. Dies heißt aber nicht notwendig, dass sie auch in jedem Fall sinnvoll angewendet werden. Es ist deshalb wohl das wichtigste Ziel der Beschäftigung mit der Disziplin "Statistik", beurteilen zu lernen, bei welcher Fragestellung und auf welche Daten eine bestimmte statistische Methode sinnvoll angewendet werden kann. Die Frage, welche Folgerungen aus empirischen Daten gezogen werden sollten ist kein Gegenstand der Statistik, weshalb die Statistik auch offen ist für jede Art von Mißbrauch. Für diese Frage ist aber die Aussagefähigkeit der Daten wesentlich (bzw. sollte es sein) und es gibt erhebliche Unterschiede bei Anwendern der Statistik hinsichtlich der Bereitschaft und Fähigkeit, sich hiermit auseinanderzusetzen. 2. Einheiten, Masse, Merkmal Def. 1.1: Einheit, Masse a) Statistische Einheiten (Elemente, Merkmalsträger) sind Träger von Informationen, bzw. Eigenschaften, die im Rahmen einer empirischen Untersuchung von Interesse sind. b) Eine statistische Masse (Kollektiv, Population) ist eine hinsichtlich sachlicher, räumlicher und zeitlicher Kriterien sinnvoll gebildete Gesamtheit von statistischen Einheiten. c) Unter dem Umfang einer Masse versteht man die Anzahl ihrer Einheiten (Elemente). Bemerkungen zur Def. 1.1: 1. Beispiel für Einheiten sind Personen, Personengruppen, Fälle bzw. Ereignisse (z.b. Verurteilung, Eheschließung, Erkrankung), Gegenstände (Kranfahrzeuge oder Gebäude bei einer Gebäudezählung), Wirtschaftszweige, Regionen usw. Zu unterscheiden sind evtl. Erhebungs-, Zähl-, Darstellungs- oder Auswertungseinheiten. 2. Das Begriffspaar "Masse - Einheit" entspricht dem Begriffspaar "Menge - Element" aus der Mathematik. 3. Eine Masse muss sachlich, zeitlich und räumlich eindeutig definiert (abgegrenzt) sein. Dies kann erfolgen durch Aufzählung der Einheiten oder durch Angabe eines Prinzips, nach dem über die Zugehörigkeit eines Elements zur Masse entschieden wird, d.h. durch Identifikationsmerkmale (die zu unterschieden sind von den Untersuchungsmerkmalen [Def. 1.2]).
4 4 Kapitel 1: Gegenstand und Grundbegriffe 4. Die sachliche Abgrenzung von Massen und Einheiten kann schwierig sein (Einzelheiten hierzu gehören in die Wirtschaftsstatistik). Hierfür zwei Beispiele: für Einheiten: Sollen Unternehmen, Betriebe, Arbeitsstätten oder fachliche Einheiten der Erhebung zugrundegelegt werden? für Massen: Soll "Bevölkerung" im Sinne der Wohnbevölkerung, der ortsanwesenden Bevölkerung oder der Staatsangehörigkeit (rechtlicher Bevölkerungsbegriff) definiert werden? Arten von Massen (zu unterscheidende Begriffspaare): a) Nach dem Umfang bzw. der Vollständigkeit der untersuchten Masse (Objektmenge) unterscheidet man zwischen (Grund-)gesamtheit (oder Kollektiv, Population) und Teilgesamtheit. Eine Teilgesamtheit kann durch Auswahl von Einheiten aus der Grundgesamtheit oder durch eine begriffliche Ausgliederung entstehen. Im zweiten Sinne, d.h. durch Begriffshierarchien (Systematiken, Klassifikationen) mit Oberbegriffen und Unterbegriffen ist z.b. die Erwerbsbevölkerung eine Teilmasse der Wohnbevölkerung. Wird die Teilgesamtheit durch Zufallsauswahl gewonnen, so spricht man von einer Stichprobe. Von vielen Autoren wird jede Art der Teilerhebung (auch eine nicht-zufällige Auswahl) als Stichprobe bezeichnet (ein Sprachgebrauch, dem wir uns nicht anschließen wollen). b) Nach der Verweildauer der beobachteten Einheiten einer Masse unterscheidet man Bestandsmassen (stocks) und Bewegungsmassen (vgl. Kapitel 12): c) Man kann auch zwischen realen und hypothetischen Gesamtheiten unterscheiden. Reale (beobachtete) Gesamtheiten, die allein Gegenstand der Deskriptiven Statistik sind, sind stets endlich. Hypothetische, d.h. durch Abstraktion gebildete Massen sind dagegen meist unendlich (z.b. die Menge aller möglichen Würfe mit einer Münze). Sie stehen in der Induktiven Statistik im Vordergrund des Interesses.
5 Kapitel 1: Gegenstand und Grundbegriffe 5 Def. 1.2: Merkmal Ein Merkmal ist eine Eigenschaft einer statistischen Einheit, die bei einer statistischen Untersuchung interessiert. Es hat endlich und unendlich viele Merkmalsausprägungen (mögliche Realisationen, Modalitäten). Ein Merkmal ist somit eine Menge von Merkmalsausprägungen. Ein Merkmalswert ist eine an einer statistischen Einheit ermittelte Merkmalsausprägung. Werden Merkmalswerten Zahlen zugeordnet, so spricht man auch von Variablen Bemerkungen zu Def. 1.2: 1. Es sind Identifikationsmerkmale zur Abgrenzung einer Masse (vgl. Bem. 3 zu Def. 1.1) und Untersuchungsmerkmale, die Gegenstand einer Erhebung sind, zu unterscheiden. Nur letztere sind in Def. 1.2 gemeint. 2. Ein Merkmal stellt eine Abbildung der Masse, d.h. der Menge empirischer Einheiten in der Menge der Merkmalsausprägungen dar. Jeder statistischen Einheit wird eine und nur eine Ausprägung zugeordnet (Ausnahme: häufbare Merkmale). Im folgenden wird i.d.r. ein Merkmal mit großen Buchstaben (etwa X) und eine Merkmalsausprägung mit kleinen Buchstaben (etwa x i ) symbolisiert. 3. Gegenstand der Statistik sind stets Aussagen über Massen in bezug auf bestimmte Merkmale (z.b. Aussagen über die Einkommensverteilung der Haushalte in der Bundesrepublik Deutschland 1990), nicht Aussagen über einzelne Einheiten und auch nicht Aussagen ohne Bezugnahme auf genau definierte Merkmale der Einheiten. Einheiten (z.b. Haushalte) interessieren nur in ihrer Eigenschaft als Merkmalsträger, d.h. nicht in ihrer Totalität (mit "allen" ihren Kennzeichen) und Individualität (Statistik ist nie eine Einzelfalluntersuchung; im Zuge der Auswertung interessieren nur anonyme Daten). 4. Ein Merkmal muss operational definiert sein, d.h. es muss bei der Beobachtung einer Einheit entscheidbar sein, welche Merkmalsausprägung vorliegt. Wird das Merkmal "Bildung" gemessen durch die Anzahl der Jahre des Schulbesuchs, so ist die Bildung damit zwar sehr eng und nicht notwendig auch sachgerecht, dafür aber operational definiert. Unterscheidet man dagegegen die Ausprägungen "hochgebil-det", "gebildet", "ungebildet" (nach welchen Kriterien?), so liegt keine operationale Definition vor.
6 6 Kapitel 1: Gegenstand und Grundbegriffe 5. Bei quantitativen Merkmalsausprägungen ist der Begriff Variable üblich. Man kann dann mehrere Merkmalsausprägungen zu einer Klasse (Größenklasse) zusammenfassen. Beispiele für Merkmale und Merkmalsausprägungen: Merkmal: Merkmalsausprägungen: Alter (operational definiert als: 15 Jahre (einzelne Ausprägung) Anzahl der vollendeten Jahre) 10 bis unter 20 Jahre (Altersklasse) Staatsangehörigkeit deutsch, französisch, englisch usw. Geschlecht *) männlich, weiblich *) ein dichotomes Merkmal, d.h. mit zwei Ausprägungen Arten von Merkmalen: a) Nach dem Informationsgehalt der Merkmalsausprägung wird von einigen Autoren unterschieden: qualitative, komparative (intensitätsmäßige) und quantitative Merkmale (vgl. Bem. 3 zu Übersicht 1.3). b) Wenn bei mehreren Einheiten nicht die Summe der Merkmalswerte, sondern nur ein durchschnittlicher Merkmalswert sinnvoll interpretierbar ist, spricht man von einem intensiven Merkmal (z.b. Intelligenz), andernfalls von einem extensiven Merkmal (z.b. Einkommen). c) Nach der Art der Messung kann man manifeste (direkt beobachtbare) und latente Merkmale unterscheiden. Letztere werden indirekt gemessen, bzw. konstruiert. In diesem Sinne schließt man von (manifesten) Meinungsäußerungen (opinions) auf latente Einstellungen (attitudes) oder von der (manifesten) Fähigkeit bestimmte Aufgaben zu lösen und Fragen zu beantworten auf die "dahinterstehende" "Intelligenz" (als ein latentes Konstrukt) usw. d) Hinsichtlich der Anzahl möglicher Merkmalsausprägungen kann man bei quantitativen Merkmalen (Variablen) zwischen diskreten und stetigen Merkmalen unterscheiden (vgl. Def. 1.3).
7 Kapitel 1: Gegenstand und Grundbegriffe 7 Def. 1.3: diskret und stetig Eine Variable X mit den Ausprägungen x 1,x 2,...,x m heißt diskret, wenn X nur endlich viele oder abzählbar unendlich viele reelle Werte x j annehmen kann, und in jedem endlichen Intervall a < x < b der reellen Zahlengeraden nur endlich viele Werte liegen können. Gilt entsprechend "überabzählbar unendlich viele Werte", so liegt eine stetige (kontinuierliche) Variable vor. Bemerkungen zur Def. 1.3: 1. Diskret sind alle Merkmale, denen ein Zählvorgang zugrundeliegt; bei stetigen Merkmalen (Variablen) ist es ein Meßvorgang, der beliebig genau ist bzw. (theoretisch) beliebig genau sein könnte. 2. In der Deskriptiven Statistik treten i.d.r. nicht stetige Merkmale als solche auf, sondern nur in Form klassierter Daten (Kap. 3), d.h. aufeinanderfolgende Ausprägungen des Merkmals werden im Zuge der Erhebung oder Aufbereitung der Daten in Größenklassen (Intervallen) zusammengefaßt. Diese Klassenbildung (Klassierung) ist natürlich auch bei diskreten Daten durchführbar und üblich. Nach Klassierung kann ein stetiges Merkmal wie ein diskretes Merkmal behandelt werden. 3. Der methodisch entscheidende Unterschied ist: die Realisationsmöglichkeiten einer diskreten Variable sind isolierte Zahlen (nicht notwendig ganze Zahlen), bei einer stetigen Variable dagegen Intervalle (evtl. infinitesimal kleine Intervalle). Beispiel 1.1: Die Pizzeria P (des Eigentümers P) hat zwei Lokale (L 1 und L 2 ), bei denen man Mittag- und Abendessen (M,A) einnehmen kann, wobei es jedoch jeweils nur die folgenden Gerichte gibt: Pizza, Spaghetti, Ravioli und Canneloni. Es ergab sich, dass von den 4764 Gästen der Pizzeria insgesamt 5000 Gerichte im letzten Monat (April) wie folgt bestellt wurden: L 1 L 2 M A M A insgesamt Pizza Sonstige Summe Wieviele Merkmale werden in dieser Statistik dargestellt, wie heißen sie und welche Merkmalsausprägungen werden in der Tabelle dargestellt?
8 8 Kapitel 1: Gegenstand und Grundbegriffe 2. Was (Masse, Einheit, Merkmal usw.) ist im Falle dieser Statistik a) die in der Statistik mitgezählte Pizza, die Herr Schulze am 16.April zum Abendessen im Lokal L 1 gegessen hat? b) die Angabe "Pizza"? c) die Angabe des Eigentümers P der Pizzeria? d) die Zahl 5000? e) das Lokal L 2? f) die insgesamt = 2900 Gerichte, die abends ausgegeben wurden? g) die insgesamt 2800 Gerichte im Lokal L 1? h) der Monat April? Lösung 1.1: zu 1: Es werden drei qualitative (artmäßige, kategoriale) Merkmale mit jeweils zwei Merkmalsausprägungen (dichotome Merkmale) dargestellt, nämlich Merkmal Merkmalsausprägungen Art des Gerichts Pizza, Sonstige *) Art des Lokals **) Lokal L 1, Lokal L 2 Zeit der Mahlzeit Mittagessen (M), Abendessen (A) *) nur zwei Ausprägungen in der Tabelle aber bei der Erhebung Unterscheidung nach den oben genannten vier Gerichten, **) gemeint ist quasi die Zweigstelle (ein Betrieb) des Unternehmens P. zu 2: a) das ist eine Einheit (eine der 5000 in der Masse gezählten Einheiten, d.h. einzelnen Gerichte). Ferner sind jeweils c und h) Identifikationsmerkmale (zur Abgrenzung der Masse), b und e) Merkmalsausprägungen, f und g) Teilgesamtheiten (Teilmassen), 2900 bzw sind die jeweiligen Umfänge dieser Teilgesamtheiten und d) ist der Umfang der Masse (Gesamtmasse).
9 Kapitel 1: Gegenstand und Grundbegriffe 9 3. Messen, Skalen a) Messung Es gilt im folgenden den Begriff der Messung zu definieren. Hierfür und für die damit zusammenhängende Unterscheidung verschiedener Skalenarten ist aus der Schulmathematik der Begriff der Relation vorauszusetzen. Von den Relationen, die auf die Elemente m 1, m 2,..., m n einer Menge M definiert sein können interessieren vor allem zwei zweistellige (binäre) Relationen für jeweils zwei der Elemente von M, etwa für m 1 und m 2, nämlich: 1. die Äquivalenzrelation (=): Sie ist symmetrisch, d.h. aus m 1 =m 2 folgt m 2 =m 1, reflexiv (m 1 =m 1 ) und transitiv (d.h. aus m 1 =m 2 und m 2 =m 3 folgt m 1 =m 3 ) und 2. die Ordnungsrelation (>,<): Sie ist dagegen asymmetrisch, irreflexiv und transitiv. Def. 1.4: Messung Mit den folgenden zwei vorangestellten Definitionen kann man den Begriff der Messung definieren. 1. Es sei A eine Menge von empirischen Objekten und es seien R 1,R 2,...R s auf A definierte Relationen. Dann heißt die Menge A = (A,R 1,R 2,...R s ) ein empirisches relationales System oder ein empirisches Relativ. 2. Ist X eine Menge von Zahlen oder Vektoren und sind S 1,S 2,...S m auf X definierte Relationen, dann heißt X = (X,S 1,S 2,...,S m ) ein numerisches Relativ (oder numerisches relationales System). X ist eine Zahlenmenge (z.b. die Menge der natürlichen Zahlen oder die Menge der reellen Zahlen). Damit erhält man die folgende Definition: Unter einer Messung versteht man die Abbildung eines empirischen Relativs in ein numerisches Relativ, d.h. die Zuordnung von Zahlen zu Merkmalsausprägungen, so dass die für die Merkmalsausprägungen der empirischen Objekte geltenden Relationen auch für die hierfür verwendeten Zahlen gelten.
10 10 Kapitel 1: Gegenstand und Grundbegriffe Bemerkungen zur Def. 1.4: 1. Empirische Objekte können Personen, Unternehmungen, Maschinen usw., kurz alle Arten von statistischen Einheiten sein. Diese stehen hinsichtlich einer oder mehrerer Eigenschaften in Beziehung zueinander, z.b. in Abb. 1.1 die Personen P 1 (links) und P 2 (rechts) hinsichtlich des Merkmals Körpergröße oder Haarfarbe. Das Vorhandensein eines empirischen Relativs, d.h. einer Menge empirischer Objekte, die in bezug auf bestimmte Eigenschaften in beobachtbaren Relationen zueinander stehen, ist Voraussetzung für eine Messung. Man beachte: Gegenstand der Messung sind nicht Objekte (also z.b. Personen) sondern immer nur Eigenschaften (Personen interessieren nicht in ihrer Einzigartigkeit, Gesamtheit, Individualität, sondern immer nur als Träger von bestimmten, genau definierten Eigenschaften). Abb. 1.1: Empirisches Relativ 2. Abb. 1.1 stellt ein Beispiel für ein empirisches Relativ dar, denn: die Menge A enthält die Personen P 1 und P 2 (linke und rechte Person) die Personen P 1 und P 2 stehen hinsichtlich der Eigenschaft "Körpergröße", "Alter", "Haarfarbe" usw. in Beziehung zueinander und diese Beziehungen sind zweifelsfrei beobachtbar. 3. Man kann an diesem Beispiel leicht demonstrieren, was "Messung" bedeutet: Es soll zunächst die Körpergröße K betrachtet werden: Für K soll die Ordnungsrelation "ist größer als" definiert werden. Empirisch (in Abb. 1.1) läßt sich die Relation "P 1 ist größer als P 2 " beobachten. Eine sinnvolle Messung wäre dann k 1 = 250 (k 1 ist der Meßwert des Objekts P 1 auf der Skala K für das Merkmal K) und k 2 = 35 da 250 > 35 (es soll noch nicht an eine Messung mit der Maßeinheit cm gedacht werden). Ebenso sinnvoll wäre aber auch k 1 = 17,2 und k 2 = -3,25, weil ja 17,2 ebenfalls größer ist als -3,25. Jedes Zahlenpaar, bei welchen k 1 größer ist als k 2 ist gleichermaßen "sinnvoll", weil hier bei der Körpergröße nur eine Ordnungsrelation (Ordinalskala) betrachtet werden soll. Betrachten wir sodann die Haarfarbe H der beiden Personen von Abb. 1.1: Normalerweise kann man nicht mehr als die "qualitative" Unterscheidung zwi-
11 Kapitel 1: Gegenstand und Grundbegriffe 11 schen blond und dunkelhaarig treffen. Das bedeutet, dass für das Merkmal Haarfarbe nur die Äquivalenzrelation festgestellt werden kann: die Haarfarbe von P 1 ist anders (nicht z.b. besser oder mehr) als die von P 2 (es liegt "nur" eine Nominalskala vor). Folglich wären z.b. die Zahlen (Codierungen) h 1 = 3 und h 2 = 8 oder auch h 1 = 7,3 und h 2 = -1,8 gleich sinnvolle Messungen des Merkmals Haarfarbe. 4. Man beachte, dass in Def. 1.4 über die Anzahl n von empirischen Objekten keine Aussage gemacht wird. Für die Anzahl z i der Stellen der Relation R i muss natürlich gelten z i < n. Im Beispiel wurde unterschieden: R 1 :"ist größer als" ist eine zweistellige Relation bezüglich der Eigenschaft Körpergröße R 2 : Haarfarbe: beispielsweise "ist blond" ist eine einstellige Relation bezüglich der Eigenschaft Haarfarbe. 5. Der anschauliche Begriff "Messen" oder "messbar" (im Alltagssprachgebrauch) ist enger als der hier verwendete. Man versteht darunter das wiederholte Anlegen eines Maßstabes (z.b. ein Meter). In diesem Sinne ist z.b. die Länge einer Wand 5m, weil der Metermaßstab fünfmal angelegt (addiert) werden kann. Diese Art Messung setzt eine metrische Skala voraus. 6. Eine Dimension ist eine durch eine Zahl zu beschreibende Eigenschaft (z.b. Länge), wobei dieser Zahl meist eine Maßeinheit (z.b. Meter) beigegeben ist. Eindimensionalität ist durch Transitivität gekennzeichnet. Gilt für die Eigenschaft X bei drei Objekten x 1 < x 2 und x 2 < x 3 aber x 3 < x 1 so ist dies ein Hinweis darauf, dass die Eigenschaft X mehrdimensional ist, also mehrere Zahlen und nicht nur eine Zahl zur Charakterisierung eines Objekts hinsichtlich X erforderlich sind. b) Skalenarten Mit einer Skala wird die Zahlenmenge (das numerische Relativ) definiert, die (das) zur Bezeichnung von Merkmalsausprägungen verwendet werden kann. Für die Zwecke der Statistik ist die Unterscheidung von fünf Skalentypen gem. Übers. 1.2 ausreichend. Anmerkungen zu Übers. 1.2: 1. Kennzeichnend für den Skalentyp ist: a) welche Rechenoperationen mit der Skala "sinnvoll" und "sinnlos" sind
12 12 Kapitel 1: Gegenstand und Grundbegriffe Übersicht 1.2: Skalentypologie Skala (Name) definiert ist zusätzlich zulässige Transformation Beispiel Mittelwerte a) Nominalskala Äquivalenzrelation ein-eindeutige Postleitzahlen, Steuerklasse x _ M Ordinalskala Ordnungsrelation streng monoton steigend Windstärke (Beaufort) x _ M, x~ 0,5 Intervallskala Maßeinheit u. Nullpunkt b) Linear y v = a + bx v Temperatur in Grad Celsius x _ M, x~ 0,5, x_ Ratiobzw. Verhältnisskala natürl. Nullpunkt (Maßeinheit noch willkürlich) proportional y v = bx v (a =0 ) c) Temperatur in Kelvin, Körpergröße alle Mittelwerte Absolutskala auch natürliche Maßeinheit identisch y v = x v (b = 1) Häufigkeiten alle Mittelwerte a) Zur. Notation vgl. Bem. 5. b) beides (Nullpunkt und Maßeinheit) noch willkürlich. c) d.h. der Nullpunkt ist nicht mehr willkürlich (er kann nicht durch a 0 verschoben werden), wohl aber die Maßeinheit (weshalb b 1 sein kann). Man kann sinnvoll Verhältnisse x 1 / x 2 (Proportionen, engl. "ratios") bilden (denn y 1 / y 2 = x 1 / x 2 ). b) welche Transformationen "zulässig" (im noch definierten Sinne) sind. Zwei Beispiele zeigen, wie man mit Hinweis auf a) und b) darlegen kann welcher Skalentyp vorliegt: Postleitzahlen sind Zahlenwerte einer Nominalskala (bei der Zahlen nur stellvertretend für Namen sind): a) es macht keinen Sinn zu sagen, der Mittelwert aus den Städten Oberhausen (Postleitzahl 42) und Münster (44) sei Essen (43) und b) die Zahlen -7, 2432 und 489 könnten den gleichen Zweck erfüllen wie die Postleitzahlen 42,43 und 44; Zensuren sind Messungen auf einer Ordinalskala: a) die Abstände zwischen den Zensuren (Noten) 1,2,3,4 und 5 sind nicht (oder nicht notwendig) gleich und b) die durch eine monotone (ordnungserhaltende) Transformation gewonnenen Zahlen -2, 10, 13, 28 und 64 könnten den gleichen Zweck erfüllen.
13 Kapitel 1: Gegenstand und Grundbegriffe Metrik: Die ersten beiden Skalen der Übers. 1.2 (Nominal- und Ordinalskala) heißen auch "topologische Skalen", die letzten drei "metrische Skalen". Eine "Metrik" auf die Menge der Zahlen x 1, x 2, x 3 definieren (was bei der Nominal- und Ordinalskala noch nicht erfolgt) heißt ein Maß d(x i,x j ) [d: anschaulich interpretiert eine Distanz] festzulegen, für das gilt: (1) d(x i,x i ) = 0 (i,j,k = 1,2,...) (2) d(x i,x j ) = d(x j,x i ) und (3) d(x i,x j ) + d(x j,x k ) d(x i,x k ) (Dreiecksungleichung). Größenmäßig ordnen lassen sich nicht nur metrisch-, sondern auch ordinal skalierte Merkmale. Bei letzterer sind aber die Abstände nicht definiert. Nominalskalierte Merkmale lassen sich nicht nach der Größe, sondern nur nach dem Sachzusammenhang ordnen, was in Klassifikationen oder Systematiken erfolgt (z.b. Berufssystematik, Klassifikation der Wirtschaftszweige usw.). 3. Skalentyp und Merkmalsarten. Man kann unterscheiden: klassifikatorische (qualitative) Merkmale oder "Attribute" mit einer abzählbaren Menge nur artmäßig unterschiedener Ausprägungen bei einer Nominalskala, komparative (intensitätsmäßig abgestufte) Merkmale bei einer Ordinalskala und metrische (quantitative) Merkmale im Falle einer metrischen Skala. Der Begriff qualitativ wird auch für die ersten beiden Merkmalstypen verwendet. Klassifikatorische Merkmale verlangen z.t. Methoden unterschiedlicher Art (z.b. Verhältniszahlen statt Mittelwerte oder in der Induktiven Statistik spielt das Begriffspaar "homograd"/"heterograd" eine wichtige Rolle). Ferner sind zwei spezielle Typen klassifikatorischer Merkmale von besonderem Interesse: Dichotome Merkmale (Alternativ-, binäre Merkmale): sie haben zwei Ausprägungen, die mit 0 und 1 codiert werden können. Im Zusammenhang mit der Assoziationsmessung (Kap. 7) oder mit Verhältniszahlen (Kap. 9) wird hierauf besonders eingegangen. Häufbare Merkmale: ein Merkmal ist häufbar, wenn eine Einheit gleichzeitig mehrere Ausprägungen realisieren kann (z.b. Beruf, Beschäftigung, Studienfach); normalerweise sind Merkmale nichthäufbar (z.b. Alter, Geschlecht).
14 14 Kapitel 1: Gegenstand und Grundbegriffe 4. Bemerkungen zu den "zulässigen Transformationen" in Übers. 1.2: Unter einer Transformation der Skala X in die Skala Y versteht man eine Funktion f, die jedem Wert von x v einen (und nur einen) Wert y v zuordnet. "Zulässig" heißt, dass die Skala Y den gleichen Informationsgehalt hat, wie die Skala X. Man kann verschiedene Arten von (zunehmend spezieller werdenden) Transformationen unterscheiden: Im einfachsten Fall einer ein-eindeutigen (bijektive) Transformation bedeutet X in Y zu transformieren nur, dass zwei verschiedenen Werten x 1 und x 2 zwei verschiedene Werte y 1 und y 2 zugeordnet werden. Eine speziellere Transformation ist die streng monoton steigende Transformation: ist x 1 < x 2, so muss auch y 1 < y 2 sein (bei "monoton" wäre auch zugelassen y 1 ú y 2 ; der Zusatz "steigend" ist notwendig, wenn die Reihenfolge erhalten bleiben soll, denn "fallend" würde bei x 1 < x 2 zu y 1 > y 2 führen). Die noch speziellere lineare Transformation (Lineartransformation) liegt vor, wenn gilt: (1.1) y v = a+bx v mit a und b als reellen Konstanten (das wird anhand der "Umrechnung" einer Temperaturmessung von "Grad Celsius" [x v ] in "Grad Fahrenheit" [y v ] in Beispiel 1.2 demonstriert). Eine proportionale Transformation liegt dann vor, wenn man in Gl. 1.1 a = 0 setzt (was bedeuetet, dass der Nullpunkt festliegt und nicht verändert werden darf); ein Beispiel hierfür ist die Umrechnung von Währungseinheiten, etwa von DM in US-$. Wird noch spezieller b = 1 gefordert, so dass y v = x v, so liegt eine identische Transformation vor, d.h. die Skala x kann überhaupt nicht mehr verändert werden, insbesondere ist wegen b = 1 auch die Maßeinheit fest (man würde im Alltagssprachgebrauch wohl gar nicht mehr von einer "Transformation" sprechen). Wie man hieran sieht, stellen die Skalen der Übers. 1.2 eine Hierarchie dar hinsichtlich der zulässigen Transformationen und Rechenoperationen: speziellere Transformationen heißt mehr Informationsgehalt der Skala und damit mehr Möglichkeiten der sinnvollen rechnerischen Verarbeitung der Daten.
15 Kapitel 1: Gegenstand und Grundbegriffe Bemerkungen zu den Mittelwerten in Übers. 1.2 und zur praktischen Bedeutung der Skalentypologie: Auf die in Spalte 5 der Übers. 1.2 angegebenen zulässigen Mittelwerte wird in Kap. 4 eingegangen. Zu den Abkürzungen: _ xm = Modus ~ x x _ 0,5 = Median = arithmetisches Mittel (Durchschnitt) Es ist gerade am Beispiel der Mittelwerte die praktische Bedeutung der Unterscheidung der Skalenarten leicht einzusehen: Bei einer Nominalskala ist bereits der Modus sinnvoll anzuwenden, bei einer Ordinalskala Modus und Median, bei einer Intervallskala Modus, Median und arithmetisches Mittel usw. Ferner gilt: Was bei gegebenen Daten jeweils sinnvoll zu berechnen ist, ist abhängig von a) der Qualität der Daten, insbesondere der Skalenart (je höher die Skalenart, desto mehr Mittelwerte sind sinnvoll zu berechnen) und b) der Fragestellung (Beispiel: Geschwindigkeiten [dort ist nicht das arithmetische, sondern das harmonische Mittel anzuwenden]). 6. Nicht eingegangen werden kann hier auf die Skalierungsverfahren. Hierbei geht es um Methoden, mit denen man in der Praxis komplexe und subjektive Eigenschaften messen kann, wie z.b. die Intensität von Sinneswahrnehmungen oder Gefühlen, die Messung der Intelligenz, des Sozialstatus, der Lebensqualität usw., die v.a. für Anwendungen der Statistik in der Psychologie und Soziologie von Interesse sind. Beispiel 1.2: Man zeige, dass eine Temperaturmessung in "Grad Celsius" auf einer Intervallskala, eine Messung in "Kelvin" dagegen auf einer Ratioskala erfolgt. Lösung 1.2: Man kann den Nachweis auf zwei Arten führen, indem man zeigt: a) welche Rechenoperationen bei Messungen in "Grad Celsius" [ o C] bzw. in "Kelvin" [K] sinnvoll sind und b) welche Transformationen zulässig sind.
16 16 Kapitel 1: Gegenstand und Grundbegriffe zu a) Man kann bei o C (anders als bei K) nicht sagen: 20 o C ist "doppelt so warm" wie 10 o C, wohl aber, dass der "Abstand" zwischen 10 o C und 20 o C genauso groß ist wie derjenige zwischen 20 o C und 30 o C. zu b) Die Temperaturmessung von "Grad Celsius" [x v ] ist von der gleichen Qualität, wie die Messung in "Grad Fahrenheit" [y v ]. Die Umrechnung erfolgt nach der Formel y v = ,8x v, die eine Lineartransformation gem. Gl. 1.1 darstellt mit a = 32 und b = 9/5; so entsprechen sich beispielsweise 0 o C und 32 o F. Es gelten die folgenden Umrechnungen: o C o F Das erklärt auch das Problem unter a) denn 20 o C/10 o C = 2 aber 68 o F/50 o F = 1,36, andererseits gilt aber die Abstände zwischen 10 o C, 20 o C, 30 o C usw. sind jeweils 10 o C und die entsprechenden Abstände zwischen 50 o F, 68 o F, 86 o F usw. sind ebenfalls gleich, nämlich 18 o F, wobei 18 = Die Größe a bewirkt eine Verschiebung des Nullpunkts (Translation), der bei o C und o F willkürlich ist, bei der absoluten Temperaturmessung in Kelvin dagegen unveränderlich -273 o C ist und die Größe b bewirkt eine Streckung (wenn b > 1) oder Stauchung (b < 1) des Maßstabs. Das Beispiel zeigt übrigens auch dass es nicht "in der Natur der Sache" liegt, mit welcher Skala ein Merkmal gemessen wird, sondern dass dies allein vom Stand der Messtechnik abhängt und dass durch Transformationen das Skalenniveau nicht gesteigert werden kann (die Intervallskala o C wird durch die Transformation in o F nicht zu einer Skala anderen Typs).
Forschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
Mehr1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK
1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition
MehrDeskriptive Statistik Kapitel III - Merkmalsarten
Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrDATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN
DATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN Was ist Messen? Messen - im weitesten Sinne - ist die Zuordnung von Zahlen zu Objekten und Ereignissen entsprechend einer Regel (Def. nach Stevensen
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
MehrStatistik Grundbegriffe
Statistik Grundbegriffe 2 2.1 Überblick Im Kap. 2 werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene Skalenniveaus voneinander abgrenzen.
MehrStatistik Grundbegriffe
Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. Mai 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrInhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrGASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG. Mag. a Andrea Schaffar
GASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG Mag. a Andrea Schaffar Inhalte der heutigen VO-Einheit 2 Projektabläufe: Gegenüberstellung Forschung und Praxisprojekte
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG GLIEDERUNG Statistik eine Umschreibung Gliederung der Statistik in zwei zentrale Teilbereiche Deskriptive Statistik Inferenzstatistik
MehrGrundlagen empirischer Forschung. Korpuslinguistik Heike Zinsmeister WS 2009/10
Grundlagen empirischer Forschung Korpuslinguistik Heike Zinsmeister WS 2009/0 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung des zu untersuchenden Phänomens Literaturstudien Erkundigungen
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Beispiele aus dem täglichen Leben Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrInhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrWahrscheinlichkeitsrechnung und Statistik
9. Vorlesung - 2017 Monte Carlo Methode für numerische Integration Sei g : [0, 1] R stetige Funktion; man möchte 1 0 g(t)dt numerisch approximieren mit Hilfe von Zufallszahlen: Sei (U n ) n eine Folge
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrMesstherorie Definitionen
Messtherorie Definitionen Begriff Definition Beispiel Relationen Empirisches Relativ eine Menge von Objekten und ein oder mehreren beobachtbaren Relationen zwischen dieses Objekten Menge der Objekte =
MehrBeschreibende Statistik
Gunther Bourier Beschreibende Statistik Praxisorientierte Einfuhrung Mit Aufgaben und Losungen 7., uberarbeitete Auflage GABIER Inhaltsverzeichnis Vorwort Inhaltsverzeichnis V VII 1 Einfuhrung 1 1.1 Begriff
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrForschungsmethoden in der Sozialen Arbeit (XI)
Forschungsmethoden in der Sozialen Arbeit (XI) Fachhochschule für Sozialarbeit und Sozialpädagogik Alice-Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik Häufigkeitsverteilungen Statistische Kennwerte 3 Multivariate Statistik 4 Regression 5 Ergänzungen Deskriptive
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
MehrDeskriptive Statistik Erläuterungen
Grundlagen der Wirtschaftsmathematik und Statistik Erläuterungen Lernmaterial zum Modul - 40601 - der Fernuniversität Hagen 7 2.1 Einfache Lageparameter aus einer gegebenen Messreihe ablesen Erklärung
MehrVorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe
Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrGünther Bourier. Beschreibende Statistik. Praxisorientierte Einführung - Mit. Aufgaben und Lösungen. 12., überarbeitete und aktualisierte Auflage
i Günther Bourier Beschreibende Statistik Praxisorientierte Einführung - Mit Aufgaben und Lösungen 12., überarbeitete und aktualisierte Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort V 1 Einführung
MehrStatistik für Ingenieure Vorlesung 7
Statistik für Ingenieure Vorlesung 7 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2017 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 11 Diskrete Zufallsvariablen 11.1. Wahrscheinlichkeits- und diskret Wahrscheinlichkeitsverteilungen Wahrscheinlichkeitsfunktion von X Nimmt abzählbare Anzahl von Ausprägungen an (z.b. Zählvariablen)
MehrWissenschaftstheoretische Grundlagen
Wissenschaftstheoretische Grundlagen Variablen, Hypothesen, Theorien und Forschungsprogramme Veranstaltung vom 31.10.2000 Variablen Definition: Der Begriff Variable bezeichnet ein Merkmal oder eine Eigenschaft
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
MehrKapitel II - Grundbegriffe
Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Grundbegriffe Deskriptive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Agenda 1 Statistische
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 16.04.2013 Gegenstand der Vorlesung und Grundbegriffe der
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
Mehr5.4.1 Statistische Methoden
Aus einer Menge n der Schüler einer Schule sollen k Schüler nach dem Zufallsprinzip ausgewählt werden. Folgende Werte für n und k sind gegeben: n = 324 k = 50 Beschreiben Sie die Vorgehensweise bei der
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrEinführung: Was ist Statistik?
Einführung: Was ist Statistik? 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS4A Oettinger 6/205 Aufgabe (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Richtig: ein ordinales Merkmal
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
Mehr3 Häufigkeitsverteilungen
3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrW-Seminar: Versuche mit und am Menschen 2017/2019 Skript
3. Deskriptive Statistik Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, [ ] Daten durch Tabellen, Kennzahlen [ ] und Grafiken übersichtlich darzustellen und zu ordnen. Dies ist vor allem
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik I Deskriptive und Explorative Datenanalyse 2010 Übungsaufgaben und Lösungen Erkenntn nisgewinnung und Datenerhebung in der Psychologie [Übungsaufgaben
MehrAuswertung statistischer Daten 1
Auswertung statistischer Daten 1 Dr. Elke Warmuth Sommersemester 2018 1 / 26 Statistik Untersuchungseinheiten u. Merkmale Grundgesamtheit u. Stichprobe Datenaufbereitung Urliste, Strichliste, Häufigkeitstabelle,
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrFrank Lammers. Statistik I: deskriptive und explorative Statistik. Lehr- und Übungsbuch
Frank Lammers Statistik I: deskriptive und explorative Statistik Lehr- und Übungsbuch 2004 Verlag der Gesellschaft für Unternehmensrechnung und Controlling m.b.h. Vorwort I Vorwort zur zweiten Auflage
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrDeskripitve Statistik Kapitel II - Grundbegriffe
Deskripitve Statistik Kapitel II - Grundbegriffe Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 23, 2006 Agenda 1. Statistische Erhebung - Grundsätzliche Überlegungen
MehrÜberblick über multivariate Verfahren in der Statistik/Datenanalyse
Überblick über multivariate Verfahren in der Statistik/Datenanalyse Die Klassifikation multivariater Verfahren ist nach verschiedenen Gesichtspunkten möglich: Klassifikation nach der Zahl der Art (Skalenniveau)
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrDatenstrukturen. Querschnitt. Grösche: Empirische Wirtschaftsforschung
Datenstrukturen Datenstrukturen Querschnitt Panel Zeitreihe 2 Querschnittsdaten Stichprobe von enthält mehreren Individuen (Personen, Haushalte, Firmen, Länder, etc.) einmalig beobachtet zu einem Zeitpunkt
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 10 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: 1. Aufgabenlösungen... Lösung zu Aufgabe 1:... Lösung zu Aufgabe... Lösung zu Aufgabe 3... Lösung zu Aufgabe 4... Lösung zu Aufgabe 5... 3 Lösung zu Aufgabe... 3 Lösung zu Aufgabe 7...
MehrSTATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
Mehr